### Python 数据可视化源代码示例 #### 使用 Matplotlib 创建简单的折线图 Matplotlib 是一个强大的绘图库，能够创建多种类型的图表。下面是一个简单折线图的例子： ```python import matplotlib.pyplot as plt # 定义数据 x_values = [1, 2, 3, 4, 5] y_values = [1, 4, 9, 16, 25] plt.plot(x_values, y_values) plt.title('Simple Line Plot') plt.xlabel('X-axis Label') plt.ylabel('Y-axis Label') plt.grid(True) plt.show() ``` 此段代码展示了如何利用 `matplotlib` 库绘制一条曲线来表示给定的一系列 (x,y) 坐标点[^1]。 #### 利用 Seaborn 进行密度估计图展示 Seaborn 构建于 Matplotlib 上方并提供更高级别的接口用于统计图形的绘制。这里有一个关于鸢尾花数据集中萼片宽度的概率密度函数图像实例: ```python import seaborn as sns import matplotlib.pyplot as plt df = sns.load_dataset('iris') sns.kdeplot(df['sepal_width']) plt.title('Density Estimate of Sepal Width') plt.xlabel('Sepal Width (cm)') plt.ylabel('Density') plt.show() ``` 这段脚本加载了内置的数据集 "iris" 并调用了 `kdeplot()` 函数以生成连续型随机变量的经验分布拟合曲线[^3]. #### 结合 Pandas 和 Matplotlib 展现柱状图 Pandas 提供了便捷的方法处理结构化表格形式的数据，并可以直接通过其 DataFrame 对象与 Matplotlib 配合工作。如下所示的是制作条形图的一个例子： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt data = {'Category': ['A', 'B', 'C'], 'Value': [np.random.randint(0, 10), np.random.randint(0, 10), np.random.randint(0, 10)]} df = pd.DataFrame(data) ax = df.plot(kind='bar', legend=False) plt.title('Bar Chart Example Using Pandas and Matplotlib') plt.xlabel('Categories') plt.ylabel('Values') plt.xticks(rotation=0) plt.show() ``` 上述程序片段说明了怎样借助 `pandas` 的强大功能读取和操作 CSV 文件中的信息，再配合 `matplotlib` 来呈现直观易懂的结果.